结合双粒子群和K—means的混合文本聚类算法

相关主题

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

ＨｙｂｒｉｄｔｅｘｔｃｌｕｓｔｅｒｉｎｇａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｄｕａｌｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎａｎｄＫ— ｍｅａｎｓａｌｇｏｒｉｔｈｍ
性权值。两子群分别采用基于不同惯性权值策略的粒子群算法进化，子代间及子代与父代信息交流，共享最优粒子，替换最劣粒子，完成进化，该算法命名为双粒子群算法。将能平衡全局与局部搜索能力的双粒子群算法与高效的Ｋ — ｍｅａｎｓ算法结合，每个粒子是一组聚类中心，类内离散度之和的倒数是适应度函数，用Ｋ — ｍｅａｎｓ算法优化新生粒子，即为结合双粒子群和Ｋ．ｍｅａｎｓ的混合文本聚类算法。实验结果表明，该算法相对于Ｋ — ｍｅａｎｓ、ＰＳＯ等文本聚类算法具有更强鲁棒性，聚类效果也有明显的改善。关键词：双粒子群；自调整惯性权值；信息交流；Ｋ－ｍｅａｎｓ算法；文本聚类
中图分类号：ＴＰ１８３；ＴｌＹ３０１．６文献标志码：Ａ文章编号：１００１ — ３６９５（２０１４）０２ — ０３６４－０５
ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００１ — ３６９５．２０１４．０２．０１１
第３１卷第２期２０１４年２月
计算机应用研究
ＡｐｐｌｉｃａｔｉｏｎＲｅｓｅａｒｃｈｏｆＣｏｍｐｕｔｅｒｓ
Ｖｏｌ＿３１Ｎｏ．２Ｆｅｂ．２０１４
结合双粒子群和Ｋ — ｍｅａｎｓ的混合文本聚类算法
ＷＡＮＧＹｏｎｇ — ｇｕｉ，ＬＩＮＬｉｎ，ＬＩＵＸｉａｎ — ｇｕｏ
（ＣｏｌｌｅｇｅｏｆＳｏｔｗｆａｒｅＥｎｇｉｎｅｅｒｉｎｇ，ＬｉａｏｎｉｎｇＴｅｃｈｎｉｃａｌＵｎｉｖｅｒｓｉｔｙ，ＨｕｌｕｄａｏＬｉａｏｎｉｎｇ１２５１０５，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：ＡｓｔｒａｄｉｔｉｏｎａｌＫ— ｍｅａｎｓｃｌｕｓｔｅｉｒｎｇａｌｇｏｒｉｔｈｍｉｓｓｅｎｓｉｔｉｖｅｔｏｔｈｅｃｈｏｉｃｅｏｆｉｎｉｔｉａｌｃｌｕｓｔｅｒｃｅｎｔｅｒｓ．ｔｈｅｒｅｓｕｌｔｓｍａｙｃｏｎ —
ｏｐｔｉｍｉｚａｔｉｏｎａｎｄＫ — ｍｅａｎｓａｌｇｏｒｉｔｈｍ．Ｉｔｄｅｓｉｇｎｅｄｓｅｌｆ－ａｄｊｕｓｔｉｎｇｉｎｅｒｔｉａｗｅｉｇｈｔｓｔｒａｔｅｇｙｗｈｉｃｈｕｓｅｄｒａｔｅｏｆｃｈａｎｇｅｏｆｏｐｔｉｍａｌｉｆｔ — ｎｅｓｓｔｏａｄｊｕｓｔｔｈｅｉｎｅｔｒｉａｗｅｉｇｈｔａｕｔｏｍａｔｉｃａｌｌｙ．ＴｗｏｐｏｐｕｌａｔｉｏｎｓｕｓｅｄＰＳＯｂａｓｅｄｏｎｄｉｆｆｅｒｅｎｔｉｎｅｒｔｉａｗｅｉｇｈｔｓｔｒａｔｅｇｉｅｓｉｎｔｈｅ
ｖｅｒｇｅｔｏｔｈｅｇｅｎｅｒａｌｓｕｂｏｐｔｉｍａｌｓｏｌｕｔｉｏｎｓ，ｔｈｉｓｐａｐｅｒｐｒｅｓｅｎｔｅｄａｈｙｂｒｉｄｔｅｘｔｃｌｕｓｔｅｒｉｎｇａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｄｕａｌｐａｒｔｉｃｌｅｓｗａｒｍ
王永贵，林琳，刘宪国
（辽宁工程技术大Biblioteka Baidu 软件学院，辽宁葫芦岛１２５１０５）摘要：传统Ｋ — ｍｅａｎｓ算法对初始聚类中心选择较敏感，结果有可能收敛于一般次优解，为些提出一种结合双
粒子群和Ｋ．ｍｅａｎｓ的混合文本聚类算法。设计了自调整惯性权值策略，根据最优适应度值的变化率动态调整惯
ｐｒｏｃｅｓｓｏｆｅｖｏｌｕｔｉｏｎ．Ｔｗｏｐｏｐｕｌａｔｉｏｎｓｓｈａｒｅｄｔｈｅｂｅｓｔｉｎｄｉｖｉｄｕａｌａｎｄｅｌｉｍｉｎａｔｅｄｔｈｅｗｏｒｓｔｉｎｄｉｖｉｄｕａｌｂｙｅｘｃｈａｎｇｉｎｇｉｎｆｏｒｍａｔｉｏｎｂｅｔｗｅｅｎｔｈｅｔｗｏｇｒｏｕｐｓｏｆｏｆｓｐｉｒｎｇｓａｓｗｅｌｌａｓｏｆｆｓｐｉｎｒｇｓａｎｄｐａｒｅｎｔｓｔｏｃｏｍｐｌｅｔｅｔｈｅｅｖｏｌｕｔｉｏｎ．Ｔｈｅａｌｇｏｉｒｔｈｍｗａｓｎａｍｅｄｄｕａｌｐａｔｉｒｃｌｅｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎ．Ｔｈｅａｌｇｏｒｉｔｈｍｃｏｍｂｉｎｅｄｂａｌａｎｃｉｎｇａｂｉｌｉｔｙｏｆｇｌｏｂａｌａｎｄｌｏｃａｌｓｅａｒｃｈｏｆｄｕａｌｐａｔｒｉｃｌｅｓｗａｒｍｏｐｔｉｍｉ —